DolphinDB是新一代的时序数据库，不仅可以作为分布式数据仓库或者内存数据库来使用，而且自带丰富的计算工具，可以作为研究工具或研究平台来使用，非常适用于量化金融、物联网等领域的海量数据分析。量化金融领域的不少问题，如交易信号研究、策略回测、交易成本分析、股票相关性研究、市场风险控制等，都可以用DolphinDB来解决。
本教程将介绍如何把Tushare的沪深股票2008年到2017年的日线行情数据和每日指标数据导入到DolphinDB，并使用DolphinDB进行金融分析。Tushare是金融大数据开放社区，拥有丰富的金融数据，如股票、基金、期货、数字货币等行情数据，为量化从业人员和金融相关研究人员免费提供金融数据。

1. 数据概况
Tushare提供的沪深股票日线行情数据包含以下字段：

名称	描述
ts_code	股票代码
trade_date	交易日期
open	开盘价
high	最高价
low	最低价
close	收盘价
pre_close	昨收价
change	涨跌额
pct_change	涨跌幅
vol	成交量（手）
amount	成交额（千元）

每日指标数据包含以下字段：

名称	描述
ts_code	股票代码
trade_date	交易日期
close	收盘价
turnover_rate	换手率
turnover_rate_f	换手率（自由流通股）
volume_ration	量比
pe	市盈率（总市值/净利润）
pe_ttm	市盈率（TTM）
pb	市净率（总市值/净资产）
ps	市销率
ps_ttm	市销率（TTM）
total_share	总股本（万）
float_share	流通股本（万）
free_share	自由流通股本（万）
total_mv	总市值（万元）
cric_mv	流通市值（万元）

2. 创建DolphinDB数据库
2.1 安装DolphinDB
从官网下载DolphinDB安装包和DolphinDB GUI。
DolphinDB单节点部署请参考教程单节点部署。
DolphinDB单服务器集群部署请参考单服务器集群部署。
DolphinDB多物理服务器部署请参考多服务器集群部署。

2.2 创建数据库
我们可以使用database函数创建分区数据库。
语法：database(directory, [partitionType], [partitionScheme], [locations])
参数：
directory：数据库保存的目录。DolphinDB有三种类型的数据库，分别是内存数据库、磁盘上的数据库和分布式文件系统上的数据库。创建内存数据库，directory为空；创建本地数据库，directory应该是本地文件系统目录；创建分布式文件系统上的数据库，directory应该以“dfs://”开头。本教程使用分布式文件系统上的数据库。
partitionType：分区方式，有6种方式： 顺序分区（SEQ），范围分区（RANGE），哈希分区（HASH），值分区（VALUE），列表分区（LIST），复合分区（COMPO）。
partitionScheme：分区方案。各种分区方式对应的分区方案如下：




导入数据前，要做好数据的分区规划，主要考虑两个因素：分区字段和分区粒度。
在日常的查询分析中，按照日期查询的频率最高，所以分区字段为日期trade_date。如果一天一个分区，每个分区的数据量过少，只有3000多条数据，不到1兆大小，而且分区数量非常多。分布式系统在执行查询时，会把查询语句分成多个子任务发送到不同的分区。这样的分区方式会导致子任务数量非常多，而每个任务执行的时间极短，系统在管理任务上耗费的时间反而大于任务本身的执行时间，明显这样的分区方式是不合理。这种情况下，我们按日期范围进行分区，每年的1月1日到次年的1月1日为一个分区，这样既能提升查询的效率，也不会造成分区粒度过小。
现有数据的时间跨度是2008-2017年，但是为了给未来的数据留出足够的空间，我们把时间范围设置为2008-2030年。执行以下代码：
由于日线行情和每日指标数据的分区方案相同，因此把它们存放在同一个数据库dfs://tushare的两个表中，hushen_daily_line用于存放日线行情数据，hushen_daily_indicator用于存放每日指标数据。如果需要使用内存数据库，创建数据库时把directory设为空；如果需要使用磁盘上的数据库，把directory设置为磁盘目录即可。创建数据库的代码如下：3.使用Python API把数据导入到DolphinDBTushare提供了两种常用的数据调取方式：

• 通过Tushare Python包，返回的是python dataframe类型数据。
• 通过http协议直接获取，返回的是Json格式数据。
  

本教程使用了第一种方法调取沪深股票2008年到2017年10年的日线行情数据和每日指标数据。3.1 下载Python3.x和Tushare具体教程请参考Tushare官网。3.2 安装DolphinDB的Python3 API从官网下载Python3 API，把Python 3 API的安装包解压至任意目录。在console中进入该目录，执行以下命令：使用以下命令更新Python API：3.3 数据导入我们分别使用Tushare Python包的daily和daily_basic接口调取日线行情和每日指标数据，返回的是Python Dataframe类型数据。注意，需要注册Tushare账号才能获取token。接着，通过Python API，连接到IP为localhost，端口号为8941的DolphinDB数据节点，把Tushare返回的Dataframe数据分别追加到之前创建的DolphinDB DFS Table中。具体的Python代码如下：数据导入成功后，我们可以从DolphinDB GUI中看到两个表的分区情况：
查看数据量：至此，我们已经把沪深股票2008年-2017年的日线行情和每日指标数据全部导入到DolphinDB中。